Analyse av nesten 50 000 hjerneskanninger har avslørt fem forskjellige mønstre av hjerneatrofi knyttet til aldring og nevrodegenerative sykdommer. Analysen knyttet også mønstrene til livsstilsfaktorer som røyking og alkoholforbruk, samt til genetiske og blodbaserte markører knyttet til helsestatus og sykdomsrisiko.

Verket er et «metodologisk mesterverk» som i betydelig grad kan fremme forskernes forståelse av aldring, sier Andrei Irimia, en gerontolog ved University of South California i Los Angeles som ikke var involvert i arbeidet. "Før denne studien visste vi at hjernens anatomi endres med aldring og sykdom. Men vår evne til å fange opp denne komplekse interaksjonen var langt mer beskjeden."

Studien ble gjennomført 15. august iNaturmedisinpublisert.

Rynker i hjernen

Aldring kan forårsake ikke bare grått hår, men også endringer i hjernens anatomi som er synlige på bilder med magnetisk resonans, med noen områder som krymper eller gjennomgår strukturelle endringer over tid. Disse transformasjonene er imidlertid subtile. "Det menneskelige øyet er ikke i stand til å oppfatte mønstre av systematiske hjerneforandringer" assosiert med denne nedbrytningen, sier Christos Davatzikos, en biomedisinsk avbildningsspesialist ved University of Pennsylvania i Philadelphia og forfatter av papiret.

Tidligere studier har vist at maskinlæring kan trekke ut de subtile fingeravtrykkene til aldring fra MR-data. Imidlertid var disse studiene ofte begrenset i omfang og inkluderte vanligvis data fra et relativt lite antall personer.

For å identifisere bredere mønstre startet Davatzikos' team en studie som tok omtrent åtte år å fullføre og publisere. De brukte en dyp læringsmetode kalt Surreal-GAN, som ble utviklet av førsteforfatteren Zhijian Yang mens han var student i Davatzikos' laboratorium. Forskerne trente algoritmen ved å bruke hjerne-MR fra 1150 friske mennesker i alderen 20 til 49 og 8992 eldre voksne, inkludert mange med kognitive svekkelser. Dette lærte algoritmen å gjenkjenne tilbakevendende trekk ved aldrende hjerner, slik at den kunne bygge en intern modell av anatomiske strukturer som endres samtidig, i motsetning til de som har en tendens til å endre seg uavhengig.

Forskerne brukte deretter den resulterende modellen på MR-skanninger av nesten 50 000 personer som deltok i ulike studier om aldring og nevrologisk helse. Denne analysen ga fem diskrete mønstre av hjerneatrofi. Forskerne koblet forskjellige typer aldersrelatert hjernedegenerasjon til kombinasjoner av de fem mønstrene, selv om det var noen forskjeller mellom mennesker med samme tilstand.

Mønstre for aldring

For eksempel hadde demens og dens forløper, mild kognitiv svikt, koblinger til tre av de fem mønstrene. Interessant nok fant forskerne også bevis på at mønstrene de identifiserte potensielt kunne brukes til å avsløre sannsynligheten for ytterligere hjernedegenerasjon i fremtiden. "Hvis du ønsker å forutsi overgangen fra en kognitiv normal tilstand til mild kognitiv svikt, var én ting den mest forutseende," sier Davatzikos. "I senere stadier beriker det å legge til et andre [mønster] spådommen din, noe som gir mening fordi dette fanger spredningen av patologien." Andre mønstre var assosiert med sykdommer som Parkinsons og Alzheimers, samt en kombinasjon av tre mønstre som var sterkt prediktive for dødelighet.

Forfatterne fant klare sammenhenger mellom spesifikke mønstre av hjerneatrofi og ulike fysiologiske og miljømessige faktorer, inkludert alkoholforbruk og røyking, samt ulike genetiske og biokjemiske signaturer knyttet til helse. Davatzikos sier at disse resultatene sannsynligvis gjenspeiler virkningen av generell fysisk velvære på nevrologisk helse, ettersom skade på andre organsystemer kan ha konsekvenser for hjernen.

Davatzikos advarer imidlertid om at studien "ikke betyr at alt kan reduseres til fem tall," og teamet hans har til hensikt å jobbe med datasett som inkluderer et bredere spekter av nevrologiske sykdommer og har større etnisk og kulturelt mangfold.